Le filThèmes : RechercheAgentsÉvaluations
TabFM-Auto associe le modèle tabulaire TabFM à un agent qui fait évoluer son pipeline de données
1 sourcemis à jour 30 sept.pertinence 3,2 sur5
L’essentiel
Sur les 51 jeux de données de TabArena, cinq configurations occupent les cinq premières places et la meilleure fait passer TabFM de 1785 à 2013 Elo. Il se classe aussi premier des agents MLE sur MLE-Bench (8 compétitions tabulaires).
Propagation1 article, publié par HF Daily Papers le 30 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceDeqing Fu, Huangyuan Su, Rajat Sen et al.huggingface.co
TabFM-Auto: Self-Evolving Pipelines for Tabular Foundation Models (site externe)
Tabular foundation models achieve strong zero-shot accuracy on structured data by pretraining on synthetic tables, but they ignore the column names, task descriptions, and auxiliary files that carry dataset semantics.
Sur les mêmes thèmes
Agents
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Agents
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Agents
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
Évaluations
Des chercheurs suggèrent que les modèles de langage tendent à présenter par défaut des récits de succès
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5